شناسایی اشتباهات تناظریابی و تصحیح نسبی توابع رشنال در تصاویر استریو ماهواره ای

Authors

نوراله تتر

nurollāh tatar school of surveying and geospatial information engineering, college of engineering, university of tehran, tehran, iranتهران-دانشگاه تهران-دانشکده مهندسی نقشه برداری محمد سعادت سرشت

mohammad saadatsresht school of surveying and geospatial information engineering, college of engineering, university of tehran, tehran, iranتهران-دانشگاه تهران-دانشکده مهندسی نقشه برداری حسین عارفی

hossein arefi school of surveying and geospatial information engineering, college of engineering, university of tehran, tehran, iranتهران-دانشگاه تهران-دانشکده مهندسی نقشه برداری

abstract

یکی از مهم ترین مراحل پردازش تصاویر ماهواره ای و بخصوص تصاویر استریو ماهواره ای بحث زمین مرجع سازی آن هاست. در حال حاضر اکثر شرکت های تولیدکننده تصاویر استریو ماهواره ای از توابع رشنال برای زمین مرجع سازی استفاده می کنند. اما از آنجا که تولید توابع  رشنال برای هر تصویر به طور جداگانه انجام می گیرد، در عمل علاوه بر خطای مطلق این توابع، بین توابع رشنال این تصاویر  یک نوع خطای نسبی نیز وجود دارد که برای اهداف برجسته بینی و استخراج مختصات سه بعدی به نظر می رسد که باید تصحیح شود. ایده ی مطرح برای تصحیح نسبی این توابع، استفاده از نقاط متناظر عکسی است. در حال حاضر اپراتورهای بینایی رایانه می توانند به صورت اتوماتیک نقاطی را استخراج و تناظریابی کنند؛ اما تناظریابی این نقاط با اشتباهاتی همراه هستند که بایستی از چرخه محاسبات تصحیح نسبی ضرایب توابع رشنال حذف شوند. در این تحقیق برای تصحیح نسبی توابع رشنال و همچنین حذف همزمان اشتباهات تناظریابی، الگوریتم ransac+rpc پیشنهاد داده شده است. نتایج بدست آمده بر روی زوج تصاویر ماهواره ای geoeye1 از منطقه شهری قم و تصاویر ماهواره ای irs p5 از منطقه رودهن نشان می دهد اگرچه این استراتژی برای توجیه نسبی پایدار تصاویر ماهواره ای از موفقیت بالایی برخوردار است، اما میزان تاثیر تصحیحات روی نقاط سه بعدی بازسازی شده در حد زیر پیکسل است.

Sign up for free to access the full text

Already have an account?login

similar resources

شناسایی اشتباهات تناظریابی و تصحیح نسبی توابع رشنال در تصاویر استریو ماهواره‌ای

یکی از مهم‌ترین مراحل پردازش تصاویر ماهواره‌ای و بخصوص تصاویر استریو ماهواره‌ای بحث زمین مرجع‌سازی آن‌هاست. در حال حاضر اکثر شرکت‌های تولیدکننده تصاویر استریو ماهواره‌ای از توابع رشنال برای زمین مرجع‌سازی استفاده می‌کنند. اما از آنجا که تولید توابع‌ رشنال برای هر تصویر به‌طور جداگانه انجام می‌گیرد، در عمل علاوه بر خطای مطلق این توابع، بین توابع رشنال این تصاویر  یک نوع خطای نسبی نیز وجود دارد ک...

full text

تولید تصاویر اپی‌پولار از تصاویر استریو ماهواره‌ای با توان تفکیک بالا برای الگوریتم تناظریابی شبه سراسری بدون استفاده از توابع رشنال

تصاویر اپی‌پولار تصاویر ترمیم‌شده‌ای هستند که در آن‌ها هر سطر در تصویر چپ با همان سطر در تصویر راست متناظر است؛ این باعث افزایش سرعت تناظریابی و کاهش فضای جستجو از دوبعدی به یک‌بعدی می‌شود. برای استفاده از الگوریتم­های تناظریابی سراسری مانند تناظریابی شبه سراسری، بایستی تصاویر اپی­پولار ایجاد شوند. برخلاف تصاویر با هندسه‎ی پرسپکتیو، هندسه‌ی اپی‌پولار در تصاویر آرایه خطی  ماهواره­ای یک خط مستقیم...

full text

ارزیابی کارایی ترکیب توابع رشنال با معادلات مالتی کوادریک به منظور بهبود تصحیح هندسی تصاویر ماهواره ای

در این مطالعه به بررسی مدل های تصحیح هندسی و زمین مرجع نمودن تصاویر ماهواره ای بر اساس معادلات مالتی کوادریک پرداخته شده است که تا کنون کمتر مورد توجه بوده است. معادلات مالتی کوادریک علاوه بر اینکه نیاز به خطی کردن ندارد با تخصیص تابع وزن بر اساس فاصله نقاط از یکدیگر موجب برآورد تصحیحاتی جهت تعیین مجهولات با دقت بهتر می گردد. هدف از این تحقیق جایگزین نمودن مدل ریاضی پایه چند جمله ای از مرتبه پا...

full text

ارزیابی کارایی ترکیب توابع رشنال با معادلات مالتی کوادریک به منظور بهبود تصحیح هندسی تصاویر ماهواره‌ای

در این مطالعه به بررسی مدل‌های تصحیح هندسی و زمین مرجع نمودن تصاویر ماهواره‌ای بر اساس معادلات مالتی کوادریک پرداخته شده ‌است که تا کنون کمتر مورد توجه بوده‌‌‌ ‌است. معادلات مالتی کوادریک علاوه بر اینکه نیاز به خطی کردن ندارد با تخصیص تابع وزن بر اساس فاصله نقاط از یکدیگر موجب برآورد تصحیحاتی جهت تعیین مجهولات با دقت بهتر می‌گردد. هدف از این تحقیق جایگزین نمودن مدل ریاضی پایه چند جمله‌ای از مرت...

full text

بهبود الگوریتم sift به منظور تناظریابی تصاویر ماهواره ای

الگوریتم sift (scale invariant feature transform) یکی از روش های تناظریابی عارضه مبناست که به منظور انجام فرایند تشخیص الگو در تصاویر اپتیکی ارائه شده است. با اینکه عملکرد بهتر توصیفگر این الگوریتم در مقایسه با دیگر روش ها اثبات شده و نسخه های گوناگونی نیز در مسیر افزایش کارایی آن ارائه شده است. اما عملگر استخراج عارضه در این الگوریتم با مشکلات جدی برای انجام تناظریابی در تصاویر سنجش از دور موا...

full text

تصحیح هندسی تصاویر ماهواره ای با استفاده از توابع کسری بهینه سازی شده به وسیله الگوریتم کلونی مورچه ها

در غیاب داده های افمریز ماهواره و مدل سنجنده، تبدیلات غیرپارامتریک نظیر مدل توابع کسری از مهم ترین و پرکاربردترین انواع مدل های ریاضی در جوامع فتوگرامتری و سنجش از دور به شمار می آیند. وابستگی این مدل ها به تعداد زیادی نقاط کنترل زمینی، مشکلات عددی موجود در حل آنها و مشکل انتخاب ترم های سازنده ساختار تابع کسری را می توان از ضعف های عمده این روش برشمرد. ازآنجاکه ضرایب در توابع غیرپارامتریک دارای...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی فناوری اطلاعات مکانی

جلد ۴، شماره ۳، صفحات ۴۳-۵۶

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023